9 月 10 日，Anthropic 发布了一份很特别的报告： Anthropic 官方报告原文，专门介绍他们发现的 Claude 被滥用的案例。

这份报告让我印象比较深，因为它展示的并不是 AI“理论上能做什么”，而是现实中已经有人在用 AI 做什么。 看完之后，有几个感受比较明显。

一、报告中有哪些值得关注的信息？

Anthropic 在报告中总结了近期发现的多类 AI 滥用案例，主要涉及：

• 网络攻击：AI 被用于漏洞分析、编写攻击代码、信息搜集以及数据处理等环节。
• 诈骗：AI 被用于批量生成内容、建立诈骗流程，提高诈骗活动的效率。
• 监控和影响行动：AI 被用于信息搜集、人员分析以及大规模内容生成。
• 生物风险：出现了利用 AI 辅助生物研究的案例。
• 武器研发：AI 被用于部分军事技术和软件相关工作。
• 模型蒸馏：有人尝试利用 Claude 等先进模型的能力，帮助训练或改进其他模型。

其中有几个案例尤其值得注意。

案例一：AI 参与网络攻击

过去我们理解的 AI 黑客，可能只是让 AI 写一段攻击代码。

但报告中出现的案例已经更进一步：AI 可以参与从目标分析、漏洞发现、代码编写，到数据提取和分析的一系列工作。

也就是说，AI 开始从“提供建议”，变成“参与执行”。

案例二：AI 辅助复杂专业工作

报告还提到了生物研究、军事技术等专业领域。

这些领域过去需要较高的专业门槛，而 AI 正在降低其中一部分知识和技术门槛。

这并不意味着 AI 可以完全替代专家，但意味着：

一个普通人借助 AI，可以进入过去很难进入的专业领域。

案例三：AI 让攻击成本越来越低

这可能是所有案例背后最值得关注的一点。

以前完成一个复杂任务，可能需要一个团队、很多专业人员和大量时间。

现在 AI 可以承担其中相当一部分工作。

所以 AI 不只是提高了“效率”，某些情况下，它还在降低复杂工作的门槛和成本。

二、感受一：AI 只有你想不到，没有 AI“做不到”

这句话当然有点夸张，但看完这些案例之后，我确实有这种感觉。

以前我们评价一个 AI，会问它会不会写代码、会不会画图、会不会写文章。

但现在更应该问：

如果把 AI 接上工具，它还能做什么？

我们日常看到的 AI 能力，可能只是它能力的一小部分。

真正值得关注的，可能不是 AI 现在会什么，而是：

我们还没有发现 AI 能做什么。

三、感受二：中国 AI 和美国 AI 的差距，不一定是时间就能追上

过去谈中美 AI 差距，很容易理解成：

美国领先一些，中国再发展几年就能追上。

但现在我觉得事情可能没有这么简单。

AI 的竞争已经不只是模型本身，还包括 Agent、工具调用、开发者生态、基础设施，以及 AI 和真实业务结合的能力。

所以真正的差距可能不是“模型晚训练了几年”，而是整个 AI 生态的成熟度。

模型能力可以追赶，但围绕模型建立起来的生态和生产力体系，可能才是更难追的东西。

四、感受三：AI 可以降低人与人之间的差距

以前人与人的能力差距，很大一部分来自知识和专业技能。

程序员会写代码，设计师会设计，金融从业者懂金融。

而 AI 正在把这些专业能力变成一种普通人也可以调用的能力。

不会写代码，可以问 AI。

不会分析数据，可以问 AI。

不会做网站，也可以让 AI 帮你完成。

AI 不会让人与人之间的差距消失，但它会改变差距产生的方式。

未来人与人的差距，可能会从：

“谁掌握更多知识”

逐渐变成：

“谁更会使用 AI。”

五、感受四：以后写简历，“精通与 AI 交互”可能会成为一项重要能力

以前简历上的技能通常是：

Java、Python、SQL、Kubernetes……

以后我觉得可能会多一项：

AI 协作能力

甚至可以直接写：

精通与 AI 交互

这里说的当然不只是会写 Prompt。

真正重要的是，你能不能把一个复杂目标交给 AI，让它帮你拆解任务、寻找资料、写代码、调用工具、分析结果，并最终把事情做完。

这实际上正在变成一种新的工作能力。

未来可能不是“AI 会不会取代你”的问题，而是：

会使用 AI 的人，会不会逐渐替代不会使用 AI 的人。

我觉得，这个问题可能比“AI 会不会取代人”更值得关注。

最后

这份 Anthropic 报告让我重新认识了一件事情：

AI 的能力边界，可能远比我们日常使用 AI 时看到的边界更大。

我们平时可能只是让 AI 写文章、查资料、写代码。

但有人已经开始让 AI 完成更加复杂的事情。

所以 AI 时代真正重要的能力，可能不只是掌握某一个 AI 工具，而是：

如何与 AI 交互，如何让 AI 做事，以及如何把 AI 变成自己的生产力。